Modell-Segmentierungsmasken von CU Cilia
Bildquelle: Rehders M, Alekseitseva K, Gissoni J et al., Frontiers in Endocrinology 2025 (CC BY 4.0)
Für das Projekt mussten große Mengen hochaufgelöster Aufnahmen aus der Laser-Scanning-Mikroskopie von Primärzilien ausgewertet werden. Für Brix war das die Chance, gemeinsam mit den Machine-Learning-Experten von Constructor Technology neue, innovative Ansätze zu entwickeln: „Kurz gesagt: CU Cilia ermöglicht uns, Hunderte von Bildern zu analysieren. So können wir den Ansatz, strukturelle Veränderungen von Primärzilien als Biomarker für Gesundheit und Krankheit zu nutzen, für Forscher in der Grundlagen- wie auch in der medizinischen Forschung zugänglich machen.“
Auf Basis der interdisziplinären Expertise der beiden Organisationen der Constructor Group testete das Team CU Cilia parallel zu herkömmlichen regelbasierten Bildanalyseprogrammen. Das Ergebnis war eine schnellere und leichter zugängliche Analyse sowohl zur Erkennung von Primärzilien als auch zur Segmentierung von Zellkernen. „Nachdem wir gelernt hatten, uns über die zugrunde liegende Zellbiologie und die rechnerischen Herausforderungen der High-Content-Bildanalyse auszutauschen, war es eine tolle Erfahrung, an der Umsetzung dieser ML-basierten App zu arbeiten“, resümiert die wissenschaftliche Mitarbeiterin Maren Rehders.
Die Auswertungen mit CU Cilia bestätigten einen Zusammenhang zwischen Kathepsinen und der Länge von Primärzilien. Das deutet auf eine strukturelle Rolle dieser Enzyme in Schilddrüsenzellen hin, beim Menschen ebenso wie bei Mäusen, und eröffnet neue Ansatzpunkte für weitere Untersuchungen. Durch die Kombination der Präzision des maschinellen Lernens mit den biologischen Einblicken der hochauflösenden Mikroskopie zeigt die Studie, wie sehr ML-Entdeckungen beschleunigen kann, selbst im kleinsten Maßstab des Lebens. „Diese Arbeit macht die Stärke interdisziplinärer Zusammenarbeit deutlich: Wenn Machine-Learning-Ingenieue und Molekularbiologen ihre Kräfte bündeln, treiben sie wissenschaftliche Entdeckungen voran und schaffen wirkungsvolle Werkzeuge“, ergänzt Professor Peter Popov, Machine-Learning-Experte der Constructor Group.
Quelle: Constructor University